Une IA révolutionnaire cible des protéines « indésirables » autrefois considérées comme incurables

Une équipe de chercheurs a repensé une intelligence artificielle dédiée aux langues pour la réutiliser dans le domaine médical, en créant un outil capable de concevoir des molécules petites et similaires aux médicaments capables de cibler et de détruire des protéines pathogènes — même lorsqu’on ignore leur structure tridimensionnelle. Cette avancée, publiée dans Nature Biotechnology, ouvre la voie à de nouveaux traitements pour des maladies longtemps considérées comme « indépendantes des traitements », comme certains cancers, troubles neurodégénératifs ou infections virales. Le projet, mené par une équipe pluridisciplinaire de l’Université McMaster, de l’Université Duke et de l’Université Cornell, repose sur un outil d’IA nommé PepMLM. Conçu à partir d’un algorithme initialement conçu pour comprendre le langage humain — comme ceux utilisés dans les chatbots —, ce système a été réaffecté pour « lire » et comprendre la « langue » des protéines, c’est-à-dire leurs séquences d’acides aminés. En 2024, le prix Nobel de chimie avait été attribué à des chercheurs de Google DeepMind pour leur système AlphaFold, capable de prédire la structure 3D des protéines, une percée majeure pour la découverte de médicaments. Toutefois, de nombreuses protéines impliquées dans des maladies graves, comme le cancer ou les maladies neurodégénératives, n’ont pas de structure stable, ce qui les rend difficiles à cibler avec les approches traditionnelles. PepMLM adopte une stratégie différente : au lieu de dépendre de la structure, il s’appuie uniquement sur la séquence d’acides aminés de la protéine cible. Cette capacité lui permet de cibler un éventail bien plus large de protéines, y compris celles auparavant jugées « indépendantes des traitements ». « La plupart des outils de conception de médicaments exigent de connaître la structure 3D d’une protéine, mais de nombreuses cibles thérapeutiques essentielles n’ont pas de structure stable », explique Pranam Chatterjee, auteur principal de l’étude, qui a mené le projet à Duke avant de rejoindre l’Université de Pennsylvanie. « PepMLM révolutionne la donne en permettant de concevoir des peptides liants directement à partir de la séquence de la protéine. » Dans des expériences en laboratoire, l’équipe a démontré que PepMLM pouvait concevoir des peptides — de courtes chaînes d’acides aminés — capables de se fixer à des protéines impliquées dans le cancer, les troubles de la reproduction, la maladie de Huntington ou encore des infections virales actives. Dans certains cas, ces peptides ont même permis de dégrader les protéines toxiques. « C’est l’un des premiers outils capables de concevoir directement ces molécules à partir de la séquence protéique », souligne Chatterjee. « Cela ouvre la voie à des méthodes plus rapides et plus efficaces pour développer de nouveaux traitements. » Christina Peng, doctorante à McMaster et membre du laboratoire de Ray Truant, a mené les expériences sur la maladie de Huntington. « C’est passionnant de voir que ces peptides conçus par IA peuvent fonctionner à l’intérieur des cellules pour détruire des protéines toxiques », déclare-t-elle. « Cela pourrait offrir une nouvelle approche puissante pour des maladies où les traitements classiques ont échoué. » Des travaux complémentaires ont été réalisés à Cornell, où les équipes de Matthew DeLisa et Hector Aguilar ont construit et testé les peptides contre des protéines virales. À Duke, c’est le groupe de Chatterjee qui a conçu le modèle d’IA et effectué les premières validations. « Ce travail montre que nous pouvons désormais lier n’importe quelle protéine à n’importe quelle autre », affirme Ray Truant, professeur en biochimie et sciences biomédicales à McMaster. « Nous pouvons dégrader des protéines nuisibles, stabiliser des protéines bénéfiques ou contrôler leur modification — selon l’objectif thérapeutique. » L’équipe travaille déjà sur des générations d’algorithmes plus avancés, comme PepTune et MOG-DFM, pour améliorer la stabilité, la précision et la livraison des peptides dans l’organisme. « Notre objectif ultime est de créer une plateforme thérapeutique de peptides universelle et programmable — une solution qui part d’une séquence et aboutit à un médicament réel », conclut Chatterjee.